前言

图像处理与识别是当今计算机科学中一个热门研究方向，其应用广泛，发展前景乐观。Matlab是MathWorks公司开发的一款工程数学计算软件。由于其强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计，以及便捷的与其他程序和语言接口的功能，Matlab 已成为当今国际上科学界最具影响力、最有活力的软件。本书正是紧密结合大量的 Matlab 代码和案例展开对数字图像处理和识别技术的介绍。

让计算机理解所“看”到的东西是一件非常神秘和令人兴奋的事情。但要掌握好数字图像处理与识别技术却并非易事，它的理论性较强、门槛较高，在各个高校中，这门课程多是作为计算机专业研究生的选修课程。要理解该领域的知识，读者需要具有一定的数学基础，除此之外，还涉及信号处理、统计分析、模式识别和机器学习等专业领域知识，因此，令很多人望而却步。

其实“难以理解”的关键在于缺乏必要的先序知识，造成了读者在相关知识上难以跨越的鸿沟。我们在撰写本书过程中，对于可能造成读者理解困难的地方，均给出了必要的先序知识，尽量定性地去描述；对于那些并不一目了然的结论均给出了思路和解释；对于某些非常专业、已经超过本书讨论范围的相关知识也都在全书最后给出了参考文献，供有兴趣的读者进一步学习和研究。

本书的宗旨是，向读者介绍知识的同时，培养读者的思维方法，使读者知其然还要知其所以然，并在解决实际问题中能有自己的想法。

—— 内容安排

全书共分15章，主要内容介绍如下。

第1～2章介绍了数字图像处理的基础知识和Matlab数字图像编程基础，使读者第一步能够建立起对于数字图像本质的正确认识，了解和掌握必要的术语，并且熟悉本书自始至终需要使用的工具Matlab，重点介绍其数字图像处理工具箱。

第3～4章分别介绍了图像的灰度变换和几何变换。通过灰度变换可以有效改善图像的外观，并在一定程度上实现图像的灰度归一化；几何变换则主要应用在图像的几何归一化和图像校准当中。总体而言，这些内容大多作为图像的前期预处理工作的一部分，是图像处理中相对固定和程式化的内容。

第5～6章分别从空间域和频率域两个角度去考量图像增强的各个主要方面。图像增强作为数字图像处理中相对简单却最具艺术性的领域之一，可理解为根据特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法。其主要目的是，使处理后的图像对某种特定的应用来说，比原始图像更适用。

第7章小波变换继第6章之后继续在频率域中研究图像。傅立叶变换一直是频率域图像处理的基石，它能用正弦函数之和表示任何分析函数，而小波变换则基于一些有限宽度的基小波，这些小波不仅在频率上是变化的，而且具有有限的持续时间。例如，对于一张乐谱，小波变换不仅能提供要演奏的音符，而且说明了何时演奏等细节信息，但傅立叶变换只提供了音符，局部信息在变换中丢失。

第8章图像复原与图像增强相似，其目的也是改善图像质量。但是图像复原是试图利用退化过程的先验知识使已被退化的图像恢复本来面目，而图像增强是用某种试探的方式改善图像质量，以适应人眼的视觉与心理。引起图像退化的因素包括由光学系统、运动等造成的图像模糊，以及源自电路和光学因素的噪声等。图像复原是基于图像退化的数学模型，复原的方法也建立在比较严格的数学推导上。

第9章是本书中相对独立的一章，以介绍色彩模型之间的相互转换，以及彩色图像处理方面的基本概念和基本方法为主。随着基于互联网的图像处理应用在不断增长，彩色图像处理已经成为一个重要领域。

第10～12章（形态学处理、边缘检测与图像分割、特征提取）是从单纯图像处理向图像识别（机器视觉）的过渡，这一阶段的特点是，输入是图像，输出则是在识别意义上我们感兴趣的图像元素。形态学处理是提取图像元素的有力技术，它在表现和描述形状方面非常有用；分割过程则将一幅图像划分为组成部分或目标对象；研究特征提取则是要将前面提取出来的图像元素或目标对象表示为适合计算机后续处理的数值形式，最终形成能够直接供分类器使用的特征。

第13章在前面知识的基础之上，引出了机器视觉的前导性内容，给出了解决识别问题的一般思路。

第14～15章（人工神经网络、支持向量机）介绍了两种十分强大的分类技术，并介绍了人脸识别技术及经典案例应用。

—— 读者对象

● 具备必要的数学基础的相关专业的本科生、研究生。

● 工作在图像处理和识别领域一线的工程技术人员。

● 对于数字图像处理和机器视觉感兴趣的并且具备必要预备知识的所有读者。

—— 在阅读本书之前，读者最好具有如下的预备知识

● 读者应具备一定的数学基础，如高等数学知识、少量的线性代数基本概念加上对于概率理论主要思想的理解（识别部分）。

—— 在线支持和读者反馈

本书所有Matlab实例的源代码均可在bbs.book95.com网站的“金羽图书与答疑板块”板块与本书同名的主题帖子附件中提供下载。虽然本书中的所有例子都已经在Windows XP、Windows 2003和Windows 7等操作系统下的Matlab2006到MatlabR2011a的各个版本中测试通过，但由于交稿时间要求和笔者水平的局限，也有存在 Bug 的可能，即便正确也很可能存在更加优化的算法或更加合理的程序结构，如发现任何上述问题，请您不吝告知本书的作者（aaron@book95.com），以便我们做出改进。

—— 致谢

首先要感谢我的授业恩师——南开大学的白刚教授和天津大学的赵政教授，是他们引导我进入了图像处理与机器视觉的研究领域。同时，他们在我写作过程中的指点和教诲确保了本书内容的严谨。

本书的第7章、第8章由王艳艳和赵国宇编写，在此向他们表示感谢；同时感谢我的好友王艳平提供并调试了许多实例代码；感谢我的同事——闵卫东、陈香凝、任淑霞、姚清爽、王佳欣、孙连坤、孙学梅、张振和王作为等为本书所做出的工作；感谢我昔日的师弟和师妹——王杉、闫丽霞、刘旭、赵国宇和李宏鹏等参与了部分章节的编写和修改；感谢罗小科先生为本书制作了很多插图；感谢我的兄长张钊为本书提供了部分照片；还要感谢徐超、王欣和郭朋博士等为本书的编写提出了很多的宝贵意见和建议。

最后感谢我的妻子马宏、儿子张垚淼以及我的家人，没有你们的鼓励和支持就不会有我的这部作品。

编者